[发明专利]一种基于结构相似度的目标识别自评估方法

权利要求书

1.一种基于结构相似度的目标识别自评估方法，其特征在于，实现过程包括如下步骤：

步骤1、目标识别自评估指标构建

选择待匹配图像信息中的亮度，对比度和结构作为目标识别自评估的测度依据；

步骤2、利用多尺度多角度模板匹配输出识别结果

2.1对模板图像进行特征提取并存储特征信息，对所述模板图像进行多角度变换后进行特征提取并存储变换后的特征信息，对完成多角度变换后的模板图像再进行多尺度变换后进行特征信息提取并存储；

2.2对待匹配图像信息进行特征提取；

2.2.1利用金字塔算法，将变换后的模板图像的特征信息依次在待匹配图像上进行特征相似度的快速比对；

2.2.2所有模板图像比对完所有的待匹配图像，生成相似度矩阵；

2.2.3设置阈值，将相似度矩阵中大于阈值的部分作为匹配结果输出；

步骤3、利用结构相似度评估识别效果

相似度的测量由亮度、对比度、结构三种对比模块组成，针对离散信号，以平均灰度来作为亮度测量的估计：

其中，x代表模板图像，y代表匹配结果图像，N代表像素数量，μ代表亮度，则亮度对比函数I(x，y)是关于μ_x，μ_y的函数；

以图像的标准差作为对比度测量的估计：

则对比度对比函数c(x，y)是关于σ_x，σ_y的函数；

以图像被自己的标准差相除的结果作为图像的结构测量的估计，则结构对比函数s(x，y)是关于的函数；

由此得到最终的对比函数如下：

亮度对比函数：

其中，C1＝(K₁L)²，L为图像灰度级数，对于8-bit灰度图像，L＝255，K₁＜＜1；

对比度对比函数：

其中

常数C2＝(K₂L)²，且K₂＜＜1；

结构对比函数：

其中，

则结构相似度的一般方程即为：

SSIM(x，y)＝[I(x，y)]^α[c(x，y)]^β[s(x，y)]^γ

这里α，β，γ取1，并且令则：

且结构相似度方程应满足以下三个条件：

对称性：SSIM(x，y)＝SSIM(y，x)；

有界性：SSIM(x，y)≤1；

最大值唯一性：当且仅当x＝y时，SSIM(x，y)＝1；

这里仅需要分别求出两张图像的均值以及方差，再对两张图像求协方差带入到结构相似度方程中进行计算，即实现了对目标识别效果的有效评估。